แผนของคุณสำหรับ Codex 5x และ 20x Pro กำลังหมดไปเร็วเกินไป สาเหตุเกิดจากข้อบกพร่องในการกำหนดเส้นทาง (routing) ที่ Codex จัดการกับซับเอเจนต์ (subagents)
เมื่อคุณตั้งค่า GPT-5.6 Sol เป็น "Ultra" ในตัวเลือกโมเดล ซับเอเจนต์ทุกตัวที่ Codex สร้างขึ้นก็จะใช้ Sol Ultra ด้วย
เครื่องมือ spawn_agent ไม่อนุญาตให้คุณเลือกโมเดลหรือระดับการใช้เหตุผล (reasoning effort) ที่แตกต่างกันสำหรับลูก (child) มันจะคัดลอกค่าจากพาเรนต์ (parent) เสมอ ซับเอเจนต์สามตัวในงานเดียวหมายถึงอินสแตนซ์ Sol Ultra สามตัวที่ทำงานพร้อมกัน แต่ละตัวจะใช้โควตาของคุณจนหมดอย่างรวดเร็ว
https://x.com/evi77ain/status/2075445272013095033
คุณสามารถลดการใช้งานโทเค็นลงได้ประมาณ 50% โดยใช้การผสมผสานโมเดลที่ชาญฉลาดขึ้นนี้:
- GPT 5.6 Sol Extra High เป็นสมองหลัก
- GPT 5.6 Sol Medium สำหรับซับเอเจนต์ที่ชาญฉลาดขึ้น
- GPT 5.6 Terra High สำหรับเอเจนต์ที่รวดเร็วและมีน้ำหนักเบา
ทำไมต้องเป็นสามโมเดลนี้? ผมจะอธิบายหลังจากที่เราแก้ไขไฟล์คอนฟิกแล้ว
แนวคิดนั้นเรียบง่าย คุณต้องมีโมเดล "Orchestrator" หนึ่งตัวที่ทำหน้าที่คิด: วางแผน, ออกแบบสถาปัตยกรรม, ตัดสินใจว่าจะมอบหมายงานอะไร จากนั้นคุณจะมีโมเดล "Executor" ที่นำแผนไปปฏิบัติ ตัว Executor นั้นถูกกว่า เร็วกว่า และฉลาดพอที่จะทำตามคำแนะนำโดยไม่ต้องใช้ความสามารถในการใช้เหตุผลเต็มกำลัง
Codex รองรับสิ่งนี้อยู่แล้วผ่านไฟล์ที่ชื่อว่า config.toml และคำจำกัดความของเอเจนต์แบบกำหนดเอง (custom agent definitions) คุณกำหนดบทบาทของเอเจนต์ในไฟล์คอนฟิกขนาดเล็ก ตั้งค่าโมเดลที่แต่ละบทบาทใช้ และเพิ่มนโยบายการกำหนดเส้นทาง (routing policy) ที่บอก Codex ว่าเมื่อใดควรใช้เอเจนต์ใด หลังจากนั้น Codex จะจัดการทุกอย่างโดยอัตโนมัติ คุณส่งงานในแบบที่คุณทำอยู่เสมอ
ขอให้ Codex สร้าง "Auto Mode" ให้คุณ
เปิด Codex และวางพรอมต์นี้ มันจะอ่านคอนฟิกปัจจุบันของคุณ สร้างไฟล์เอเจนต์ และอัปเดตนโยบายการกำหนดเส้นทาง
1อ่าน ~/.codex/config.toml ปัจจุบันของฉันและเอกสารที่2https://developers.openai.com/codex/subagents สำหรับคำจำกัดความของเอเจนต์แบบกำหนดเอง34จากนั้นให้ดำเนินการดังนี้:561. สร้างไฟล์ TOML ของเอเจนต์สามไฟล์ภายใต้ ~/.codex/agents/:78 fast_scan — สำหรับการค้นหาด่วน, การสำรวจฐานโค้ด, การอ่านไฟล์,9 และการวิเคราะห์แบบเบา10 - model: gpt-5.6-terra11 - model_reasoning_effort: high12 - sandbox_mode: read-only13 - คำแนะนำ: รวบรวมหลักฐานอย่างรวดเร็ว, ส่งคืนสรุปที่กระชับ,14 ห้ามแก้ไขไฟล์1516 routine_worker — สำหรับการเขียนโค้ดทั่วไป, การทดสอบ, เอกสารประกอบ,17 และการแก้ไขที่มีขอบเขตจำกัด18 - model: gpt-5.6-sol19 - model_reasoning_effort: medium20 - คำแนะนำ: ดำเนินงานที่ได้รับมอบหมายและตรวจสอบผลลัพธ์2122 deep_worker — สำหรับการดีบักที่ยาก, สถาปัตยกรรม, ความปลอดภัย,23 และงานที่คลุมเครือและมีหลายขั้นตอน24 - model: gpt-5.6-sol25 - model_reasoning_effort: high26 - คำแนะนำ: จัดการงานที่ซับซ้อนอย่างรอบคอบ, ตรวจสอบสมมติฐาน,27 ให้การยืนยันที่แข็งแกร่ง28292. อัปเดตส่วน [agents] ใน config.toml ของฉันด้วยนโยบายการกำหนดเส้นทางนี้:3031 "ตัดสินใจโดยอัตโนมัติว่าการมอบหมายงานนั้นมีประโยชน์หรือไม่32 เลือก fast_scan สำหรับงานแบบอ่านอย่างเดียวที่มีน้ำหนักเบา, routine_worker33 สำหรับการดำเนินการทั่วไป, และ deep_worker สำหรับการใช้เหตุผลที่ซับซ้อนหรือ34 มีความเสี่ยงสูง35 อย่าถามผู้ใช้ให้เลือกโมเดล เว้นแต่โมเดลที่ต้องการจะไม่พร้อมใช้งาน36 ให้งานง่าย ๆ อยู่กับเอเจนต์หลัก"37383. ตรวจสอบให้แน่ใจว่าได้ตั้งค่า max_threads = 6 และ max_depth = 1 ภายใต้ [agents]39404. แสดง config.toml สุดท้ายและไฟล์เอเจนต์ทั้งสามไฟล์ให้ฉันดู เพื่อที่ฉันจะได้41 ตรวจสอบก่อนที่คุณจะบันทึก
หลังจาก Codex สร้างไฟล์เสร็จ ให้รีสตาร์ท Codex หรือเปิดงานใหม่ เอเจนต์จะโหลดเมื่อเริ่มต้นระบบ
สิ่งที่คุณควรเห็นหลังจากแก้ไข?
ก่อนการแก้ไขนี้ ซับเอเจนต์ทุกตัวจะใช้โมเดลและระดับการใช้เหตุผลเดียวกันกับเอเจนต์หลักของคุณ
หลังจากแก้ไขนี้ Codex จะอ่านไฟล์เอเจนต์ของคุณ (โดยอัตโนมัติ) และเลือกโมเดลที่ถูกกว่าเมื่องานนั้นง่าย การค้นหาไฟล์จะถูกส่งไปยัง Terra High แทนที่จะเป็น Sol Ultra การแก้ไขบั๊กทั่วไปจะทำงานบน Sol Medium เฉพาะงานที่ยากเท่านั้นที่จะได้ Sol High เอเจนต์หลักของคุณจะยังคงใช้สิ่งที่คุณตั้งค่าในตัวเลือกโมเดลเมื่อคุณเริ่มเซสชัน
คุณยังสามารถแทนที่การตั้งค่านี้ได้ พูดว่า "ใช้ Sol เท่านั้น" หรือ "อย่าใช้ซับเอเจนต์" ในพรอมต์ของคุณ และการกำหนดเส้นทางจะถูกข้ามไป
ไฟล์เอเจนต์มีลักษณะอย่างไร?
Codex จะสร้างไฟล์ที่มีลักษณะดังนี้ แต่ละไฟล์จะอยู่ภายใต้ ~/.codex/agents/
1# ~/.codex/agents/fast-scan.toml2name = "fast_scan"3description = "ใช้สำหรับการค้นหาด่วน, การสำรวจฐานโค้ด, และการวิเคราะห์แบบอ่านอย่างเดียวที่มีน้ำหนักเบา"4model = "gpt-5.6-terra"5model_reasoning_effort = "high"6sandbox_mode = "read-only"7developer_instructions = """8รวบรวมหลักฐานอย่างรวดเร็วและส่งคืนสรุปที่กระชับ9ห้ามแก้ไขไฟล์10"""
1# ~/.codex/agents/routine-worker.toml2name = "routine_worker"3description = "ใช้สำหรับการเขียนโค้ดทั่วไป, การทดสอบ, เอกสารประกอบ, และการแก้ไขที่มีขอบเขตจำกัด"4model = "gpt-5.6-sol"5model_reasoning_effort = "medium"6developer_instructions = """7ดำเนินงานที่ได้รับมอบหมายซึ่งมีขอบเขตจำกัดและตรวจสอบผลลัพธ์8"""
1# ~/.codex/agents/deep-worker.toml2name = "deep_worker"3description = "ใช้สำหรับการดีบักที่ยาก, สถาปัตยกรรม, ความปลอดภัย, และงานที่คลุมเครือและมีหลายขั้นตอน"4model = "gpt-5.6-sol"5model_reasoning_effort = "high"6developer_instructions = """7จัดการงานที่ซับซ้อนอย่างรอบคอบ, ตรวจสอบสมมติฐาน, และให้การยืนยันที่แข็งแกร่ง8"""
นโยบายการกำหนดเส้นทางใน config.toml ของคุณจะบอกออร์เคสเตรเตอร์ (orchestrator) ว่าเมื่อใดควรใช้แต่ละเอเจนต์ และเมื่อใดควรรักษางานไว้กับเอเจนต์หลัก
ทำไมต้องใช้โมเดลและการผสมผสานระดับการใช้เหตุผลเหล่านี้?
GPT 5.6 มีสามโมเดล (Sol, Terra, Luna) และหกระดับการใช้เหตุผล (Low, Medium, High, Extra High, Max, Ultra) นั่นคือ 18 การผสมผสานที่เป็นไปได้ ส่วนใหญ่แล้วไม่เหมาะสมสำหรับการทำงานของซับเอเจนต์ Codex การกำหนดเส้นทางข้างต้นใช้เพียงสี่รูปแบบโมเดล ซึ่งคัดเลือกมาจากรายงานการวัดประสิทธิภาพอิสระสองฉบับที่เผยแพร่ในสัปดาห์นี้
Artificial Analysis ทดสอบทุกรุ่นของ GPT 5.6 ทุกระดับการใช้เหตุผล ในการทดสอบที่แตกต่างกัน 9 รายการครอบคลุมการใช้เหตุผล ความรู้ และการเขียนโค้ด พวกเขาเผยแพร่คะแนนรวมหนึ่งคะแนนต่อโมเดล
Sol ที่ระดับการใช้เหตุผลสูงสุด (max reasoning) ได้คะแนน 59 จาก 100 Sol ที่ระดับ extra high ได้ 58 คะแนน นั่นคือความแตกต่างหนึ่งคะแนน ความแตกต่างของต้นทุนประมาณ 3 เท่า — การใช้ระดับ max จะใช้โทเค็นมากกว่าประมาณสามเท่าเพื่อให้ได้คะแนนพิเศษหนึ่งคะแนนนั้น
สำหรับออร์เคสเตรเตอร์หลักที่วางแผนงานของคุณและประสานงานซับเอเจนต์ ระดับ extra high จะให้คุณภาพการตัดสินใจที่เท่ากันที่ต้นทุนโทเค็นหนึ่งในสาม ระดับ Max และ Ultra นั้นมากเกินไปสำหรับ 99% ของงาน
หลีกเลี่ยง Ultra Ultra มีราคาแพงกว่าเพราะมันสร้างซับ-ซับเอเจนต์ (sub-subagents) แบบขนานสี่ตัวภายในเอเจนต์เดียว ในการทดสอบ Terminal-Bench (การทดสอบเวิร์กโฟลว์การเขียนโค้ดบนบรรทัดคำสั่ง) Sol Ultra ได้คะแนน 91.9% ในขณะที่ Sol ได้ 88.8% นั่นคือคะแนนพิเศษ 3.1 คะแนนที่ต้นทุนประมาณ 3 เท่า OpenAI ถึงกับไม่ได้เผยแพร่ผลลัพธ์ของ Ultra สำหรับการวัดประสิทธิภาพการเขียนโค้ดหลักสองรายการของพวกเขา หากคุณใช้ Ultra กับซับเอเจนต์ที่本身就是ซับเอเจนต์ คุณจะเกิดการสร้างแบบเรียกซ้ำ (recursive spawning) — ซับเอเจนต์สร้างซับเอเจนต์เพิ่มขึ้นมา เอกสารของ Codex เตือนเรื่องนี้โดยเฉพาะ
ทำไมต้อง Sol Medium สำหรับงานทั่วไป?
Sol ที่ระดับการใช้เหตุผล medium ยังคงเอาชนะ Claude Fable 5 อยู่ 11.4 คะแนนในการทดสอบ Agents' Last Exam ซึ่งเป็นการทดสอบเวิร์กโฟลว์ระยะยาวใน 55 สาขาวิชาชีพ โดยทำได้ที่ต้นทุนประมาณหนึ่งในสี่
ระดับ Medium นั้นแข็งแกร่งพอที่จะทำตามแผน เขียนฟีเจอร์ แก้บั๊ก หรือรันการทดสอบ มันไม่จำเป็นต้องตัดสินใจด้านสถาปัตยกรรมด้วยตัวเอง ทีม Codex ยังแนะนำให้ใช้ Sol medium เป็นโมเดลหลักในชีวิตประจำวันอีกด้วย
https://x.com/thsottiaux/status/2075581430055493909
ทำไมต้อง Terra High สำหรับงานที่มีน้ำหนักเบา ไม่ใช่ Luna?
นี่คือสิ่งที่ทำให้คนประหลาดใจ Luna ถูกกว่าต่อโทเค็น ($1/$6 ต่อล้าน) เมื่อเทียบกับ Terra ($2.50/$15) แต่ราคาโทเค็นไม่ใช่ภาพรวมทั้งหมด
DeepSWE v1.1 ทดสอบเอเจนต์การเขียนโค้ดกับงานวิศวกรรมจริง 113 งานในโครงการโอเพนซอร์ส 91 โครงการ โดยวัดเปอร์เซ็นต์ของงานที่แต่ละโมเดลทำสำเร็จ ต้นทุนรวมของแต่ละงาน และจำนวนขั้นตอนที่ใช้
ผลลัพธ์จากวันที่ 9 กรกฎาคม 2026:
- Sol ที่ระดับ max: ทำสำเร็จ 73% ของงาน, ต้นทุน $8.39 ต่องาน, ใช้ 61 ขั้นตอน
- Terra ที่ระดับ max: 70%, $4.95, 76 ขั้นตอน
- Luna ที่ระดับ max: 67%, $3.03, 102 ขั้นตอน
- Claude Fable 5 ที่ระดับ max: 70%, $21.63, 88 ขั้นตอน
- Claude Opus 4.8 ที่ระดับ max: 59%, $13.22, 120 ขั้นตอน
$3.03 ต่องานของ Luna ดูดีจนกว่าคุณจะเห็นจำนวนขั้นตอน 102 ขั้นตอนเทียบกับ 76 ของ Terra แต่ละขั้นตอนคือการเรียกใช้เครื่องมือที่มีโทเค็นอินพุตและเอาต์พุตของตัวเอง ขั้นตอนที่มากขึ้นหมายถึงโทเค็นทั้งหมดที่ใช้มากขึ้น เวลามากขึ้น และโอกาสที่โมเดลจะวนซ้ำกับข้อผิดพลาดและลองใหม่มากขึ้น
Luna ยังไม่สามารถจัดการฐานโค้ดขนาดใหญ่ได้ ในการทดสอบ Nerova ซึ่งวัดว่าโมเดลจำข้อมูลจากอินพุตยาวได้ดีเพียงใด Luna ได้คะแนน 41.3% Terra ได้ 89.6% Sol ได้ 91.5% เมื่อซับเอเจนต์ต้องค้นหาผ่านไฟล์หลายพันไฟล์และเก็บบริบทนั้นไว้ Luna จะพลาดสิ่งที่ Terra จับได้
ในดัชนีเอเจนต์การเขียนโค้ดของ Artificial Analysis (ซึ่งรวม DeepSWE, Terminal-Bench และ SWE-Atlas-QnA เป็นคะแนนการเขียนโค้ดเดียว) Sol ได้ 80 คะแนน Terra ได้ 77.4 Luna ได้ 74.6 และ Claude Fable 5 ได้ 77.2 Terra ตามหลัง Sol 2.6 คะแนน แต่มีต้นทุนครึ่งหนึ่ง สำหรับซับเอเจนต์ที่อ่านไฟล์และรวบรวมหลักฐาน 2.6 คะแนนนั้นไม่สำคัญ สำหรับซับเอเจนต์ที่ทำการดีบักหลายไฟล์ที่ยาก พวกมันสำคัญ — ซึ่งเป็นเหตุผลว่าทำไมงานนั้นจึงไปที่ Sol High แทน
Terra ที่ระดับ max ยังมีคะแนน DeepSWE เท่ากับ Claude Fable 5 (ทั้งคู่ที่ 70%) โดยมีต้นทุนน้อยกว่าหนึ่งในสี่ของ Fable ($4.95 เทียบกับ $21.63) คุณจะได้รับประสิทธิภาพการเขียนโค้ดระดับ Fable สำหรับซับเอเจนต์ที่มีน้ำหนักเบาในราคา $5
สรุป
แก้ไขไฟล์ config.toml ของคุณ ตั้งค่าเอเจนต์หลักของคุณเป็น Sol Extra High ตั้งค่างานซับเอเจนต์ทั่วไปเป็น Sol Medium ตั้งค่างานแบบอ่านอย่างเดียวที่มีน้ำหนักเบาเป็น Terra High ข้าม Luna, ข้าม Low, ข้าม Ultra สำหรับซับเอเจนต์ ตั้งค่าเพียงครั้งเดียว ทุกเซสชัน Codex หลังจากนั้นจะกำหนดเส้นทางโดยอัตโนมัติ และแผน Pro ของคุณจะคงอยู่ตามที่ควรจะเป็น
